多个智能体怎么分工：子 agent、并发和模型分级

这篇适合谁，读完能做到什么

适合已经在用 AI 编程助手或智能体框架、却发现一次长对话越来越难管的人。本文讲三种把工作分给多个智能体的方式：Claude Code 的子 agent（subagent）、OpenAI Agents SDK 的交接（handoff），以及 LangGraph 里的编排者–工人（orchestrator-worker）模式。读完你应该能写出第一个 Claude Code 子 agent 文件，明白交接是怎么回事，也知道上下文和 token 成本会在哪里限制你。

三种方式各是什么

Claude Code 的子 agent 是专门处理某一类任务的助手。每个子 agent 有自己的上下文窗口、自定义的系统提示、可用的工具和独立的权限，完成后只把摘要返回给主对话。^[2]Claude Code 还内置了几种并行方式：/batch 会把一次大改动拆给 5 到 30 个子 agent，每个都在自己的 worktree 里隔离运行；claude agents 打开 agent 视图；/tasks 列出后台任务，包括已经结束的子 agent。^[3]更大的任务可以用动态工作流：Claude 为任务写一段 JavaScript 脚本，由运行时在后台执行，官方给出的规模是每次运行几十到几百个 agent。循环、分支和中间结果都由脚本保存，所以 Claude 的上下文里只放最终答案。^[4]内置的 /deep-research <question> 就是一个例子：它从几个角度并行搜索网页，交叉核对来源，对每条论点投票，最后给出带引用的报告，没有通过交叉核对的论点会被过滤掉。^[4]

OpenAI Agents SDK 走的是另一条路。它的 README 把自己描述为轻量而强大的多智能体工作流框架，与模型供应商无关，支持 OpenAI 的 Responses 和 Chat Completions API，也支持 100 多种其他大模型。^[6]它的核心是交接：一个 agent 把任务转给另一个 agent，对模型来说，交接本身就是一个工具。例如交给名为 Refund Agent 的 agent，会暴露为名为 transfer_to_refund_agent 的工具。^[7]SDK 还支持把 agent 当工具用，经理 agent 通过 Agent.as_tool() 保持控制权；而在交接方式里，分诊 agent 把对话路由给专家 agent，由专家接管。^[10]

LangGraph 是一个图的框架。它的文档把工作流和 agent 分开：工作流有预先写好的代码路径，按固定顺序运行；agent 则自己决定流程和工具的使用。^[11]对于可以同时进行的工作，LangGraph 的 Send API 会动态创建工作节点，每个节点带有自己的状态。在编排者–工人的配置里，编排者把任务拆成子任务、分派给工人，再把结果综合起来；ToolNode 会自动并行执行工具调用。^[11]

三者的主要区别在于协调逻辑放在哪里。Claude Code 的子 agent 由主对话启动，只返回摘要。SDK 的交接会转移控制权，接手的 agent 能看到之前的全部对话历史。^[7]LangGraph 则把协调写进图本身：当条目数量只有运行时才知道时，Send 可以对每个条目运行同一个节点；Command 则在一次返回里同时更新状态并选择下一个节点。^[13]

准备

Claude Code 的子 agent 文件放在当前项目的 .claude/agents/ 里，或者放在 ~/.claude/agents/ 里供你所有项目使用。还有其他作用范围，同名时优先级高的位置生效。^[2]

OpenAI Agents SDK 需要 Python 3.10 或更高版本。README 给出的安装命令是 pip install openai-agents，运行示例前要设置环境变量 OPENAI_API_KEY。^[6]

LangGraph 用 pip install -U langgraph 安装。^[12]

成本要一开始就算进去。同时开多个会话或子 agent，会成倍增加 token 用量。^[3]每个子 agent 在运行时也会消耗它自己的 token。^[2]

上手步骤

1. 创建第一个 Claude Code 子 agent。官方快速入门用的是用户级文件 ~/.claude/agents/code-improver.md，内容如下：^[2]

---
name: code-improver
description: Scans files and suggests improvements for readability, performance, and best practices. Use after writing or modifying code.
tools: Read, Grep, Glob
model: sonnet
---

You are a code improvement specialist. For each issue you find, explain
the problem, show the current code, and provide an improved version.

前置信息里只有 name 和 description 是必填的。Markdown 正文会成为这个子 agent 的系统提示。^[2]

1. 把 description 写短。所有自定义子 agent 的 description 合计超过 15,000 个 token 时，Claude Code 启动时会显示带总数的警告。官方建议把细节移到各个子 agent 的系统提示里。^[2]

1. 给简单任务选更便宜的模型。官方文档把「把任务交给 Haiku 这类更快、更便宜的模型」列为子 agent 的好处之一。CLAUDE_CODE_SUBAGENT_MODEL 用来设默认模型；把 CLAUDE_CODE_SUBAGENT_MODEL_FORCE 设为 1，则所有子 agent、队友和工作流 agent 都使用同一个模型。^[2]Claude Code 按 API 的 token 消耗计费，/usage 的 Session 部分会显示 API token 用量。^[5]

1. 读一个交接的示例。先用 pip install openai-agents 装好 SDK，再读官方交接指南里的最小示例：^[7]

from agents import Agent, handoff

billing_agent = Agent(name="Billing agent")
refund_agent = Agent(name="Refund agent")

# (1)!
triage_agent = Agent(name="Triage agent", handoffs=[billing_agent, handoff(refund_agent)])

这里 triage_agent 通过 handoffs 参数拿到另外两个 agent，handoff(refund_agent) 把其中一个包装起来以便自定义。handoff() 还接受 tool_name_override、tool_description_override、on_handoff、input_type、input_filter、is_enabled 和 nest_handoff_history 等选项。^[7]运行入口有三个方法：Runner.run()、Runner.run_sync() 和 Runner.run_streamed()。^[8]

1. 试一个 LangGraph 子图。子图就是被用作另一张图里某个节点的图。如果父图和子图的状态结构不同，就在节点里用包装函数调用子图；如果两者共享状态键，就直接用 add_node 把编译好的子图加进去。^[12]

我们的做法

TellWorld 的新闻增量更新就是这种分工的一个例子。每次更新，我们把搜集分成三个方向，每个方向一个子 agent：美国和欧洲的模型厂商；中国公司；跨公司的话题，比如机器人、芯片、政策、诉讼和大额交易。^[1]三个子 agent 在后台运行，主 agent 不轮询它们的输出，而是在每个子 agent 结束时收到通知。^[1]主 agent 的职责刻意收窄：分配任务、接收文件、运行流水线脚本，并打开最重要的三到五条条目的来源做抽查。^[1]

下面这个案例依赖的正是这种抽查。2026 年 11 月 13 日，一个子 agent 报告英伟达 CEO 辞职。主 agent 没有直接采信，而是抓取了英伟达自己的新闻稿，核对了人名和日期之后才接受这条。^[1]

大批量的积压任务则交给腾讯的智能体 App WorkBuddy，不交给我们的子 agent。任务写成 Markdown 任务单，在一张队列表里登记。到 2026 年 11 月，队列里已有 29 个已交付的任务。^[1]WorkBuddy 每开始一个新文件之前，都要先读一个反馈文件，并先执行里面待办的指示。这样维护者不用停掉一个长时间运行的 agent，也能调整它的方向。^[1]

几个 agent 可能返回同一条条目，所以合并步骤是设计的一部分。多个文件里有同一条目时，intake 脚本会合并其中的事实，并重新编号出处，而不是保留多份。^[1]

这是我们的场景和选择：几个边界清楚的搜集方向，加上对少数重要条目的原始来源核对，最后有一步合并。它不是通用的最佳实践。

限制和常见问题

• 子 agent 的结果会回到主对话。如果很多子 agent 各自返回大量细节，会占用可观的上下文。^[2]
• 默认情况下，同时运行 20 个子 agent 时，再用 Agent 工具启动新的子 agent 会失败，并提示 Concurrent subagent limit reached。CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS 可以修改这个上限。子 agent 默认还可以再派生自己的子 agent，最多三层。^[2]
• 并行适合彼此独立的调查。官方文档说，研究路径之间没有依赖时效果最好。^[2]
• 前台子 agent 会阻塞主对话直到结束；后台子 agent 则与主对话并发运行。^[2]
• 交接只在一次运行之内有效。输入护栏只作用于第一个 agent，输出护栏只作用于产生最终输出的那个 agent。^[7]
• max_turns 超过时 runner 会抛出 MaxTurnsExceeded；设为 max_turns=None 则取消限制。^[8]

下一步

先读 Claude Code 的子 agent 文档^[2]和并行运行的说明。^[3]再读 OpenAI 的 agent 编排指南^[10]，以及 LangGraph 的子图文档。^[12]每个框架先用一个小任务跑通，扩大规模前用 /usage 看一下 token 用量。^[5]